大數據背景下網絡輿情信息異化控制模型研究

夏一雪+蘭月新 趙玉敏

〔摘要〕[目的/意義]面向大數據研究網絡輿情信息異化機理以及控制模型，是政府控制信息異化程度的關鍵，為政府應對和治理網絡輿情提供理論參考依據。[方法/過程]定性分析大數據環境下網絡輿情信息異化機理，將網絡輿情演化機理模型拓展為信息異化控制模型，并在此基礎上通過數值仿真研究政府控制信息異化的分類問題。[結論/結果]經過理論建模和實證分析得出本文構建的信息異化控制模型是可行的，以上理論研究可為政府準確把握大數據環境下網絡輿情信息異化程度，制定網絡輿情治理策略提供參考依據。

〔關鍵詞〕大數據；網絡輿情；信息異化；控制模型

DOI：10.3969/j.issn.1008-0821.2018.02.001

〔中圖分類號〕C9126；G203〔文獻標識碼〕A〔文章編號〕1008-0821（2018）02-0003-09

The Research on Information Alienation Control Model of

Network Public Opinion under Big Data Environment

Xia YixueLan Yuexin*Zhao Yumin

（The Chinese Peoples Armed Police Force Academy，Langfang 065000，China）

〔Abstract〕[Purpose/Significance]Facing big data to research the information alienation mechanism and control model of network public opinion，this is the key to control information alienation degree during network public opinion propagation，and can provide references of network public opinion management for government.[Method/Process]Through the qualitative analysis of the information alienation mechanism of network public opinion under big data environment，expanded the network public opinion evolution mechanism model to information alienation control model，and then researched the classification problem of information alienation control through numerical simulation.[Result/Conclusion]Through theoretical modeling and empirical analysis，confirmed the feasibility of information alienation control model in this paper.The above theory research will contribute to accurately grasp the degree of network public opinion information alienation under big data environment，and provide references of network public opinion countermeasures for government.

〔Key words〕big data；network public opinion；information alienation；control model

1現狀分析

大數據時代，網絡輿情信息不僅具有突出的海量特征，并且產生及傳播速度快、來源及類型多樣化、傳播平臺及途徑多元化，特別是海量多源異構信息之間相互碰撞、相互交織，信息關聯程度極大增強，這些均成為信息過載、信息失實、信息重復等信息異化的重要誘因。研究大數據環境下網絡輿情信息異化的演化機理，有助于明晰網絡輿情信息異化程度，進而為政府有針對性地進行信息異化控制，更好應對和治理網絡輿情，提供理論依據。

我國學術界針對信息異化的研究，以基礎研究、政策研究為主，主要包括兩個方面的研究主題：一是信息異化理論研究，包括信息異化的本質[1]、根源[2]、控制對策[3]，分析信息異化的積極因素與消極影響，討論信息異化的揚棄[4]。二是特定視角下信息異化理論及其應用研究，主要體現為5個方面：①生態學視角下信息異化理論研究，研究控制信息異化的生態學思路，提出控制信息異化的生態學策略[5]。②心理學視角下信息異化理論研究，分析各種異化現象的心理成因和心理機制，提出各種異化現象之間呈現出一定程度的遞進關系[6]。③微時代、新媒體、大數據等網絡社會視角下信息異化理論研究，從概念界定、問題表現、引發因素、主要影響、消解路徑等方面研究網絡社會信息異化問題，分析網絡信息倫理的缺失問題，探索形成道德、法律、制度、技術等動態的信息異化控制體系[7-8]。④信息異化理論在網絡輿情中的應用，剖析網絡衍生輿情與信息異化的價值關聯，研究不同信息異化條件下正面衍生輿情和負面衍生輿情的傳播特性[9-10]。⑤信息異化理論在社會治理中的應用，主要研究信息公開過程中的曲解、裁剪引致的信息異化現象，對環境影響評價的公眾參與、鄰避風險治理等社會治理問題的影響機制[11-12]。上述研究的關鍵詞共現網絡如圖1所示。

圖1信息異化研究關鍵詞共現網絡

大數據環境下，網絡輿情信息異化風險加大，運用信息異化理論分析網絡輿情傳播演化規律，能夠為網絡輿情理論研究提供新視角。但是，目前理論界關于信息異化理論在網絡輿情領域的應用研究，僅限于分析網絡衍生輿情，仍有很多問題需要解決，例如①如何從定量視角解讀網絡輿情信息異化的演化機理問題；②政府在網絡輿情信息異化過程中采取控制措施對輿情演化的影響問題；③網絡輿情信息異化過程中，政府控制信息異化分類問題等。綜合以上問題，本文定性分析大數據環境下網絡輿情信息異化機理，通過網絡輿情演化模型拓展為信息異化控制模型，同時根據數值仿真研究政府控制信息異化分類模式，以上理論研究可以為政府準確把握大數據環境下網絡輿情信息異化程度，制定網絡輿情治理策略提供參考依據。

2大數據環境下網絡輿情信息異化機理

21大數據環境下網絡輿情信息異化現象

目前，對信息異化概念有多種不同的解釋，其中主要觀點認為：信息異化是指信息在生產、傳播和利用過程中，由于受到各種因素的干擾導致了信息生產與信息消費之間的矛盾，使主體喪失了控制信息的能力和原有的內涵，并為信息所奴役、支配[1]。信息異化包括信息本身的異化、信息主體的異化、信息與信息主體的異化、信息主體間的異化等4個方面，本文面向大數據環境研究網絡輿情信息異化問題，因此主要研究信息本身的異化現象。

隨著移動寬帶互聯網的普及，某個網絡話題產生后，眾多主體通過原創、轉發、共享等方式發布大量文字、圖片、音視頻等信息，分布于不同網絡平臺，逐步形成一個網絡輿情大數據環境（圖2）。由于海量多源異構信息之間相互碰撞、相互交織，極易誘發信息異化。如果信息異化程度沒有得到有效控制，網絡流言、網絡謠言以及網絡暴力等干擾正常的信息傳播，將嚴重破壞網絡空間環境。

211網絡輿情主體導致的信息異化

網絡輿情主體很多，主要包括普通網民、政府、意見領袖、網絡推手、網絡媒體、網絡水軍等，其中普通網民的數量占絕大多數，其他主體數量較少，但是在網絡輿情傳播過程中發揮的作用很大。特別是網絡推手、網絡水軍等出于不同目的對信息傳播的誤導、極化和操縱，是導致信息異化的主要因素。同時，網民心理多元化，認知程度、情感狀態多樣化，組成結構中低學歷、低齡、低收入群體占比高，上述因素使得網絡言論視角紛繁、眾聲喧嘩，也會導致網絡輿情傳播過程中引發信息異化。

212網絡輿情信息傳播過程中導致的信息異化

網絡輿情傳播過程中，微博、微信、視頻網站等網絡傳播平臺通過發布、轉發、評論、共享等多種傳播方式，對文字、圖片、視頻等多種格式信息進行廣泛快速的傳播，極易使得網絡空間處于一種信息過載的狀態，尤其是真實信息、虛假信息、猜測信息等交織在一起，使得網絡信息極易產生異化現象，進而導致網絡流言、網絡謠言、網絡暴力等。

除了以上兩點，信息法律、信息政策、信息倫理、信息管理等[5]網絡輿情傳播的外部環境也會導致信息異化現象。例如微信、微博、貼吧平臺等3家網絡傳播平臺涉嫌違反《網絡安全法》等法律法規，對其平臺用戶發布的法律法規禁止發布的信息未盡到管理義務，導致用戶傳播的暴力恐怖、虛假謠言等危害國家安全、公共安全、社會秩序的信息大量擴散[13]。

22大數據環境下網絡輿情信息異化機理

221網絡輿情傳播規律遵循信息生命周期理論

根據網絡輿情定義[14]，網絡輿情即網民通過互聯網對某一網絡話題進行交流的信息總和。這個和值是隨時間單調遞增的變量，它和網絡輿情統計數據是有區別的。統計數據通過累加[15]可以得到和值變量，而和值變量通過累減可以得到統計數據。網絡輿情是對某一網絡話題進行交流的信息總和，和其他網絡信息一樣是不斷發展變化的，同樣具有孕育、產生、發展直至消亡的生命過程，所以可以用信息生命周期理論來理解和研究網絡輿情，目前已有幾位學者開展了一些研究[16-19]。在理論層面，按照信息生命周期理論，網絡輿情傳播演化具備周期性[18，20]，并且在一個演化周期內可以劃分傳播階段，可以用Logistic、Gompertz等描述生命周期理論的“S”型曲線模型研究網絡輿情演化規律[21-22]（圖3）。

222網絡輿情信息異化機理

假設x（t）代表網民針對某一網絡話題進行交流而形成網絡輿情的信息量和值，其初值x（0）=x0，上限為K。由

于網絡輿情演化過程中，信息量和值的增長率與網絡輿情信息量和值以及“剩余空間”1-xK呈正比。基于此，網絡輿情傳播演化機理為：

dxdt=rx1-xK

x（0）=x0

信息過載、信息失實、信息重復等[23]是信息異化的主要形式，網絡輿情傳播過程中，信息異化體現為大量信息在輿情傳播初期集中爆發，使得網絡輿情傳播規律發生改變，研究信息異化后的網絡輿情傳播規律有利于控制輿情的信息異化程度。信息異化對網絡輿情傳播規律的影響主要體現為網絡輿情信息量在傳播初期集中爆發，使得網絡輿情演化趨勢“左移”（圖4），網絡輿情數據提前達到“飽和”狀態，為未來輿情演化趨勢增加不穩定因素。同時，由于網絡輿情信息量快速增加，導致內稟增長率r隨著時間的變化而變化。

3大數據環境下網絡輿情信息異化控制模型

31網絡輿情信息異化控制機理

信息異化導致傳播過程中網絡輿情信息量激增，大量不同形式、不同情感傾向的信息匯聚、碰撞，極易形成網絡流言、網絡謠言以及網絡暴力等，為網絡空間環境帶來不穩定因素，如何有效控制網絡輿情的信息異化程度是政府治理網絡輿情的關鍵。正如前文研究，信息異化導致網絡輿情傳播機理發生變化，故而需要政府針對信息異化的程度進行控制，所以信息異化情況下的網絡輿情傳播規律是異化過程和控制過程共同作用的結果（圖5）。

在異化過程和控制過程的綜合作用下，當異化過程成為主要過程時，網絡輿情信息量增長迅速，增長率增量大于零；當控制過程成為主要過程時，網絡輿情信息量增長緩慢，增長率增量小于零，兩個過程的交界點處形成曲線拐點。所以網絡輿情傳播過程中，如果政府沒有對信息異

化現象進行持續、有效地控制，則會出現兩個過程交替進行的狀態，累加數據將會出現多個“S”型曲線結構，而其對應的網絡輿情統計數據則呈現出多個峰值的波動狀態（圖6）。以“國乒退賽”網絡輿情按小時統計數據為例（圖7，輿情監測起止時間：20170623-20170702），統計數據呈現多個峰值，而累加數據則是由多個“S”型曲線連接而成。

32大數據環境下網絡輿情信息異化控制建模

信息異化過程導致網絡輿情信息量快速增加，而控制過程則會使信息量增加變緩，所以在兩個過程共同作用下，網絡輿情傳播演化機理模型的內稟增長率由常數變為關于時間的函數變量，即網絡輿情傳播演化機理由：

dxdt=rx1-xK

x（0）=x0

變為：

dxdt=r（t）x1-xK

x（0）=x0

其中，x（t）代表網絡輿情的信息量和值，初值x（0）=x0，上限為K，r（t）>0。上式即為大數據環境下網絡輿情信息異化控制模型，求解微分方程得到模型解為：

x（t）=x0exp∫t0r（s）ds1+x0K∫t0exp∫s0r（s1）ds1r（s）ds

由于模型解的結構依賴于內稟增長率r（t）的函數表達式，不同的表達式代表不同的網絡輿情信息異化控制模式，本文將通過開展模擬仿真來研究不同類型的信息異化控制模式。

33大數據環境下網絡輿情信息異化控制模式

網絡輿情信息異化過程和政府控制過程共同作用，導致網絡輿情信息量演化過程隨之變化。當信息異化過程占優時，則政府控制效果較差，網絡輿情信息量急劇增加；當控制過程占優時，則政府控制效果較好，網絡輿情信息量增加趨勢變緩；當兩個過程競爭均不能主導輿情演化時，則網絡輿情信息量增加趨勢變快和變緩交替進行。基于此，本文根據作用結果將政府控制信息異化的模式分為：最差模式、中和模式和最優模式。

331最差模式

最差模式中，政府控制信息異化效果最弱，信息異化過程成為占優過程，網絡輿情信息量激增，提前達到“飽和”狀態，信息異化控制模型的內稟增長率以遞增飽和類函數為主（圖8）。在實際網絡輿情案例中，如果政府被動應對網絡輿情，則在網絡輿情傳播初期往往出現這類模式，尤其是突發事件發生后，網絡輿情信息異化幾率更高，需要政府短時間內應對網絡輿情，學術界相繼提出黃金24小時、黃金4小時，甚至黃金1小時。

332中和模式

中和模式中，信息異化和政府控制共同發揮作用，網絡輿情信息量時而增長迅速，時而增長緩慢，輿情數據交替達到“飽和”狀態，信息異化控制模型的內稟增長率以震蕩類函數為主（圖9）。在實際網絡輿情案例中，如果政府應對網絡輿情后，由于缺乏持續、有效的控制措施，網絡輿情傳播往往出現這類模式，網絡輿情統計數據則出現波動現象。

333最優模式

最優模式中，網絡輿情傳播過程中政府控制成為主要過程，網絡輿情信息量增長緩慢至“飽和”狀態，信息異化控制模型的內稟增長率以遞減類函數為主（圖10）。在實際網絡輿情應對過程中，最優模式需要以大數據為基礎和支撐，提前感知信息異化風險，做到主動預防預測預警。

4大數據環境下網絡輿情信息異化控制仿真

為有效模擬網絡輿情信息異化程度及政府控制信息異化的效果，本文應用MATLAB進行數值模擬仿真并繪制圖像，研究政府控制信息異化的3種模式：最差模式、中和模式和最優模式。信息異化前的參數為上限K=100，初值x（0）=10%K=10，信息增長率r=05，信息異化后信息量上限、初值保持不變，內稟增長率函數r（t）的初值r（0）=05，具體表達式根據不同模式進行選取。為進一步研究信息異化程度，根據文獻[21]，計算網絡輿情傳播階段為：潛伏期[0，176]，擴散期[176，702]，消退期[702，∞]。

41最差模式

選取兩類遞增曲線，修正指數曲線r1（t）和S曲線r2（t）作為信息異化時的內稟增長率函數，具體表達式如下：

r1（t）=2-15·08t，r2（t）=21+3·exp（-02t）

通過MATLAB分別繪制信息異化前后網絡輿情信息量曲線（圖11，圖12）。觀察圖像發現：異化后的曲線在擴散前期就已經達到飽和狀態，而且修正指數曲線r（t）對應圖像的信息異化速度更快。在最差模式中，信息異化成為主導過程，異化的輿情信息量快速增加至“飽和”狀態，如果輿情信息繼續異化的話，信息量突破上限K的幾率大增。在實際輿情案例中，當某些突發事件發生后，如果政府沒有及時、有效控制信息異化，則網絡輿情信息量將迅速激增，為后續網絡輿情應對和治理增加難度。

42中和模式

選取兩類震蕩曲線，三角函數曲線r3（t）和震蕩衰減曲線r4（t）作為信息異化時的內稟增長率函數，具體表達式如下：

r3（t）=05+04sin2t，r4（t）=05+15exp-t2sin（2t）

通過MATLAB分別繪制信息異化前后網絡輿情信息量曲線（圖13，圖14）。觀察圖像發現：異化后的曲線和異化前的曲線幾乎同時達到飽和狀態，震蕩衰減曲線r4（t）對應的異化曲線在初期很短時間內快速增加，但信息量很快便趨于飽和狀態而緩慢增加。在中和模式中，信息異化和控制過程共同發揮作用，異化后的輿情信息量曲線增長緩慢，并且曲線形狀是由多個“S”型曲線連接而成，由于信息異化前后兩條線很接近，所以信息異化前后的網絡輿情傳播階段比較接近，這種模式在實際輿情案例中，所占比例是最高的。

43最優模式

選取兩類遞減曲線，反比例曲線r5（t）和反“S”曲線r6（t）作為信息異化時的內稟增長率函數，具體表達式如下：

r5（t）=05t+1，r6（t）=06-051+4·exp（-02t）

通過MATLAB分別繪制信息異化前后網絡輿情信息量曲線（圖15，圖16）。觀察圖像發現：有效的控制措施可以使輿情增長變緩，延遲達到“飽和”狀態，并且反比例曲線的控制效果遠超過反“S”曲線。在最優模式中，控制過程發揮主導作用，有效控制后的輿情信息量曲線傳播階段全部滯后于信息異化前的曲線，但是最終的飽和值一致，這為政府治理網絡輿情提供了充分的時間。

5實證研究

51數據來源

為驗證本文構建的大數據環境下網絡輿情信息異化控制模型，通過清博輿情監測軟件（yuqing.gsdata.cn）選取20175-20178期間8個網絡輿情案例作為驗證案例，獲取網絡輿情統計數據（按天進行統計，均為事件發生后20天

圖16增長率為r6（t）時信息異化前后對比圖像

的統計數據）。8個案例分別為：孫楊世錦賽奪冠、G20峰會、香港回歸20周年、京津冀大暴雨、柯潔大戰AlphaGo、“一帶一路”高峰論壇、男乒退出比賽、章瑩穎案嫌犯被訴，案例基本數據如下（表1，表2）。

52確定系數的方法

大數據的核心是預測。如何在大數據環境中預測網絡輿情信息異化趨勢是網絡輿情治理的關鍵。在實際工作中，需要確定模型參數，尤其是確定內稟增長率函數來確定信息異化模式，為政府治理網絡輿情提供參考依據。本文構建的網絡輿情信息異化控制模型為：

dxdt=r（t）x1-xK

x（0）=x0

其對應差分方程為：

Δx（k）=r（k）x（k）1-x（k）K

其中Δx（k）=x（k）-x（k-1），k=1，2，3，…，k為監測數據個數。當通過網絡輿情監測軟件獲取數據后，Δx（k），x（k），K可以通過數據計算或者估計，在此基礎上可以估計內稟增長率r（t）對應的離散數列r（k），k=1，2，3，…，據此可以通過擬合數據推斷得出r（t）的具體曲線形狀，進而確定信息異化控制模式。

53模型驗證

根據上述方法，通過數據分析方法，推斷得出內稟增長率函數對應的圖像（表3），據此可以估計網絡輿情信息異化程度及政府控制信息異化的效果。觀察表中圖像發現，事件3和事件7的對應模型中的內稟增長率曲線整體為遞減趨勢，其他事件增長率曲線則起伏趨勢較大，所以事件3和事件7為最優模式，其他事件為中和模式，這也證明本文構建的信息異化控制模型符合實際情況。在實際工作中，通過網絡輿情監測數據建模后，得到估計的增長率曲線，然后通過軟件擬合數據便可以得到曲線對應的函數表達式，據此可以推斷網絡輿情信息異化程度，預測未來趨勢，為政府治理網絡輿情提供參考依據。

6結論與展望

61研究結論

網絡輿情大數據環境下，由于海量信息之間相互碰撞、相互交織，極易產生信息異化現象。如果信息異化程度沒有得到有效控制，甚至會出現網絡流言、網絡謠言以及網絡暴力等，嚴重破壞網絡空間環境。信息異化過程導致網絡輿情信息量快速增加，而控制過程則會使信息量增加變緩，所以在兩個過程共同作用下，網絡輿情傳播演化機理模型的內稟增長率由常數變為關于時間的函數變量。基于此，本文構建了網絡輿情信息異化控制模型為：

dxdt=r（t）x1-xK

x（0）=x0

通過本文的研究可以得出以下結論：

1）通過理論研究和數值仿真研究得出，信息異化發生后，將網絡輿情傳播演化機理改進為信息異化控制模型是可行的，這一點已經通過網絡輿情實證研究進行了驗證；

2）通過模型中內稟增長率函數可以研究網絡輿情信息異化程度，通過網絡輿情數據分析可以估計增長率函數，推斷信息異化程度，為政府治理網絡輿情提供參考依據。

62研究展望

621網絡輿情信息異化控制關鍵節點問題

本文僅僅研究了網絡輿情信息異化控制模型，并通過實例驗證了模型的可行性，下一步需要在此模型基礎上研究網絡輿情信息異化控制關鍵節點以及不同強度的控制力度對信息異化的影響程度，進而為政府控制信息異化，治理網絡輿情提供時間參考。

622面向大數據的網絡輿情趨勢預測問題

本文構建的模型屬于機理模型，在大數據環境下，需要在此基礎上繼續研究預測模型。此外，由于信息異化的影響，網絡輿情信息量可能會突破“飽和”狀態，所以在本文基礎上還需將上限參數K拓展為函數K（t），才能實現網絡輿情信息量的動態預測。

參考文獻

[1]孫瑞英.信息異化問題的理性思考[J].情報科學，2007，（3）：340-344.

[2]張立彬.信息異化的根源及其控制研究[J].情報科學，2009，（3）：338-343.

[3]俞培寧.信息異化的成因及對策研究[J].圖書館學研究，2011，（5）：9-11.

[4]李春青.論信息異化的揚棄[J].現代情報，2012，（2）：23-25.

[5]孫瑞英，蔣永福，劉丹丹.基于生態學視角的信息異化問題研究[J].情報理論與實踐，2011，（4）：5-9.

[6]張立彬，張蒙，楊軍花.信息異化的心理機制及其對策控制研究[J].情報理論與實踐，2010，（4）：32-37.

[7]張筱榮.微時代信息異化理論審思[J].廣東社會科學，2016，（2）：60-65.

[8]安寶洋，翁建定.大數據時代網絡信息的倫理缺失及應對策略[J].自然辯證法研究，2015，（12）：42-46.

[9]蘭月新，董希琳，曾潤喜，等.信息異化視角下網絡輿情衍生效應模型研究[J].情報雜志，2015，（1）：139-143.

[10]王慧，蘭月新，潘櫻心.基于信息異化動力視角的網絡衍生輿情成因研究[J].現代情報，2013，（7）：59-63.

[11]吳元元.環境影響評價公眾參與制度中的信息異化[J].學海，2007，（3）：150-155.

[12]杜健勛.交流與協商：鄰避風險治理的規范性選擇[J].法學評論，2016，（1）：141-150.

[13]新華網.新浪微博騰訊微信等被立案調查[EB/OL].http：//news.xinhuanet.com/tech/2017-08/12/c_1121472396.htm，2017-08-14.

[14]劉毅.網絡輿情研究概論[M].天津：天津人民出版社，2007.

[15]寧宣熙，劉思峰.管理預測與決策方法[M].北京：科學出版社，2008.

[16]匡文波.論新媒體輿論的生命周期理論模型[J].杭州師范大學學報：社會科學版，2014，（2）：112-117.

[17]張玥，羅萍，劉千里.基于信息生命周期理論的網絡輿情監測研究[J].情報科學，2013，（11）：22-25.

[18]謝科范，趙湜，陳剛，等.網絡輿情突發事件的生命周期原理及集群決策研究[J].武漢理工大學學報：社會科學版，2010，（4）：482-486.

[19]劉曉娟，王昊賢，張愛蕓.微博信息生命周期研究[J].圖書情報工作，2014，（1）：72-78，100.

[20]張玥，羅萍，劉千里.基于信息生命周期理論的網絡輿情監測研究[J].情報科學，2013，（11）：22-25.

[21]蘭月新，曾潤喜.突發事件網絡輿情傳播規律與預警階段研究[J].情報雜志，2013，（5）：16-19.

[22]蘭月新，王芳，董希琳，等.公共危機事件網絡輿情熱度模型研究[J].情報科學，2016，（2）：32-36.

[23]陸寶益，倪波.我國有關信息污染研究的進展[J].圖書與情報，2003，（3）：9-14.

（責任編輯：馬卓）